[發明專利]一種基于U型網絡的醫學圖像分割方法

有效

• 申請號: 202110325496.X
• 申請日: 2021-03-26
• 公開（公告）號: CN113077471B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 張登銀;趙蓉;嚴偉丹
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06F21/62;G06V10/80;G06N3/04;G06N3/08;G06T5/00
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 韓紅莉

本發明公開了一種基于U型網絡的醫學圖像分割方法，首先將真實分割圖及原圖送入生成對抗網絡中做數據增強，產生帶有標簽的合成圖片；然后將合成圖片放進原有數據集得到擴充后的數據集，將擴充后的數據集送入改進的多特征融合的分割網絡中訓練。本發明在分割網絡淺層與深層特征跳躍連接間加入一個獲取不同大小感受野的膨脹卷積模塊，增強細節信息與深層語義的融合，提升對分割目標大小的適應性，同時提高醫學圖像分割的精確度。本發明通過使用生成對抗網絡擴充數據集的方式緩解了訓練分割網絡時出現的過擬合問題，從多尺度特征連接的角度彌補了傳統U型網絡捕捉細節信息能力丟失、深淺層信息特征捕捉不完整的問題，改善了最終的分割結果。

技術領域

本發明涉及一種基于U型網絡的醫學圖像分割方法，屬于圖像處理技術領域。

背景技術

醫學圖像分割技術的發展，是從手工分割到人機式的半自動分割，再逐步發展到全自動分割的過程。手工分割指的是由具有豐富經驗的臨床醫生在原始膠片上直接勾勒出組織的邊界或者感興趣的區域，手工分割對人的先驗知識有很高的要求，且標注時間長、成本較高。隨著深度學習在計算機視覺領域的發展出現了半自動分割技術，該分割技術是將計算機的數據存儲和計算功能以及醫學專家的經驗和知識結合起來，運用人機交互的方法來完成圖像的分割。全自動分割則是計算機根據事先編好的算法運行獨立自動完成圖像的分割全過程。但大部分全自動分割算法的實現復雜，分割結果不理想，且分割的速度和性能也需要提高，目前臨床醫學上，研究實用的全自動分割方法來取代繁瑣的人工分割或者半自動分割一直是人們追求的目標，全自動分割方法是近年來醫學圖像的研究重點和關鍵技術。為使機器自動分割醫學圖像，減少人工繁瑣工作，為之后的腫瘤識別和病理判斷打下堅實基礎，研究如何使得分割邊緣結果更精確至關重要。

目前圖像分割方法可以分為傳統的圖像分割方法及基于深度學習的圖像分割兩種，傳統的圖像分割方法包括基于閾值的分割方法、基于區域的分割方法和基于邊界的分割方法。傳統的圖像分割方法主要利用邊緣及算法特性進行分割，易忽略圖像深層的語義類別信息等。近年來，深度學習在計算機視覺領域取得很大進展，有些逐漸逼近人為判斷，因此使用深度學習方法做圖像分割逐漸成為主流，該方法沒有先驗知識的限制，在網絡訓練好的情況下可以取得較好的效果。自全卷積網絡提出使用1x 1卷積代替全連接層后，醫學圖像分割在U型網絡中表現出了較好的性能，此后對分割網絡的改進大多基于編碼-解碼-跳躍連接的結構。為減少在編碼下采樣過程中的信息丟失，DeepLab系列提出了空洞空間金字塔池化(ASPP)，并使用條件隨機場來優化分割結果。對于3D分割，較好的網絡有V-net、H-dense Net等。為使得分割過程中能夠充分融合不同層次和不同尺度的特征信息，各種分割模型依然層出不窮。

但在目前的醫學分割領域，由于病人隱私保護等問題，數據集依舊獲取困難，圖片數量較少，在訓練分割模型時很容易出現過擬合問題，即在訓練集上分割效果較好而在測試集上效果不佳，導致模型應用型不強，因此如何獲得有效數據集也是目前研究醫學圖像分割的一大難點，使用生成對抗網絡來產生合成圖像擴充數據集是目前的一大發展趨勢。另外，由于神經網絡中不斷的“卷積-池化”操作丟失了許多淺層的空間及細節信息，易導致小病灶或器官邊緣的分割效果不好，在所需分割的目標(器官或病灶)大小差異較大時總體分割效果不佳，如何融合不同尺度分割目標的特征也是目前學者正在努力的方向，其中對U型網絡的提升優化是在醫學圖像分割領域的研究熱點。

發明內容

本發明所要解決的技術問題是克服現有技術醫學圖像數據量較少且人工標注較為困難的缺陷，提供一種基于U型網絡的醫學圖像分割方法，在原始的分割網絡之前增加生成對抗網絡以完成數據的擴充，減輕在訓練分割模型過程中由于訓練數據較少而產生的過擬合現象；本發明提出一種多尺度特征融合的分割方法，改善U型網絡淺層及深層網絡連接時可能產生的語義差距以及最大池化下采樣過程中的淺層信息丟失問題，充分捕捉到大小不一的目標區域，提升不同尺度分割目標的分割準確度。

為達到上述目的，本發明提供一種基于U型網絡的醫學圖像分割方法，包括以下步驟：

步驟1，從現有醫學圖像數據庫中選擇一種醫學圖像數據集；